python如何存储字符串以便'is'运算符适用于文字？

Question

在python中

>>> a = 5
>>> a is 5
True

但是

>>> a = 500
>>> a is 500
False

这是因为它将低整数存储为单个地址。但是一旦数字开始变得复杂，每个 int 都有自己唯一的地址空间。这对我来说很有意义。

当前的实现为 -5 到 256 之间的所有整数保留一个整数对象数组，当您在该范围内创建一个 int 时，实际上您只是获取对现有对象的引用。

那么现在，为什么这不适用于字符串？字符串不是和大整数一样复杂吗（如果不是更复杂的话）？

>>> a = '1234567'
>>> a is '1234567'
True

python 如何有效地为所有字符串文字使用相同的地址？它不能像对数字那样保留所有可能的字符串的数组。

Answer 1

这是一种称为实习的优化技术。 CPython 识别equal values of string constants 并且不会为新实例分配额外的内存，而是简单地指向同一个（实习生），给两个相同的id()。

可以确认只有常量会以这种方式处理（可以识别b 等简单操作）：

# Two string constants
a = "aaaa"
b = "aa" + "aa"

# Prevent interpreter from figuring out string constant
c = "aaa"
c += "a"

print id(a)         # 4509752320
print id(b)         # 4509752320
print id(c)         # 4509752176 !!

但是，您可以使用intern() 手动强制将字符串映射到现有的字符串：

c = intern(c)

print id(a)         # 4509752320
print id(b)         # 4509752320
print id(c)         # 4509752320 !!

其他口译员的做法可能有所不同。由于字符串是不可变的，因此更改两者之一不会更改另一个。

Answer 2

它不存储所有可能字符串的数组，而是有一个哈希表，指向所有当前声明的字符串的内存地址，由字符串的哈希索引。

例如

当您说a = 'foo' 时，它首先对字符串foo 进行哈希处理并检查哈希表中是否已存在条目。如果是，那么变量a 现在引用该地址。

如果在表中没有找到条目，python分配内存来存储字符串，散列foo并在表中添加一个带有分配内存地址的条目。

见：

1. How is the 'is' keyword implemented in Python?
2. https://en.wikipedia.org/wiki/String_interning